1次元畳み込みによる心電位予測手法の提案

抄録

近年、疲労やストレスなどの人間の状態を推定するためにECG(ElectroCardioGram)が注目されている。 人間の生体データを長期間計測することは肉体的および精神的負荷がかかります。 本稿では、短時間のECGデータを用いて長時間データを予測する方法を提案します。 時系列データの予測には、LSTMなどの方法が一般的に使用されます。 ターゲットとなる心電図は周期とピーク値にゆらぎを持つことを特徴としており、ゆらぎを持ったデータを予測することが必要となります。 そこで、心電図の周波数特性に合ったフィルタサイズを用いて1次元畳み込みニューラルネットワーク法を評価しました。 提案方法がLSTMよりも正確にゆらぎを持った心電位を予測できることを示しました。 この結果は、長期データを予測する際に有効な手段になり得ることを示唆しています。